
微软发布 Code 2 与 Code 2 Flash 编程模型,称以 5% 成本接近 Claude Opus 5.5 性能
来源标题:Microsoft’s new coding model promises near-Opus performance at 5% of the cost
微软在 Ignite 大会上发布两款新编程模型 MAI Code 2 和 Code 2 Flash,称 Code 2 达到 GPT-6.1 Sol 98% 的性能、成本仅为其 40%,达到 Claude Opus 5.5 96% 的性能、成本仅为其 5%。微软称该模型在企业编程任务上处于性价比前沿,并擅长可视化编码和生成仪表盘。OpenAI 同日发布 GPT-6.2 Astra 和 Sol,一定程度上削弱了微软的性能对标说法。
以下正文由 AI 翻译自 The New Stack(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
微软在周二于旧金山举行的 Ignite 大会上发布了一系列新的 AI 模型,其中包括两款全新的编程模型。
这两款模型分别被颇具创意地命名为 Code 2 和 Code 2 Flash,号称性能可逼近 GPT-6.1 Sol 和 Claude Opus 5.5 等模型,而成本不到后者的一半。
微软表示,对于企业级编程任务而言,“MAI Code 2 处于性价比的前沿”。“它在做到这一切的同时,还能产出代码维护者愿意合并的改动,而成本仅为前沿模型的一小部分。”
MAI Code 2 基准测试
微软的承诺是:Code 2 达到 GPT-6.1 Sol 98% 的性能,成本仅为其 40%;达到 Claude Opus 5.5 96% 的性能,成本仅为其 5%(这也从侧面说明,Anthropic 的模型目前运行起来有多么昂贵)。
微软称,该模型还经过专门调优,能够生成“出色的仪表盘和可视化内容”,并且“在可视化编程方面表现优异”。
至少就与 OpenAI 的对比而言,值得注意的是,OpenAI 今天发布了性能更优的 GPT-6.2 Astra 和 Sol。这在一定程度上削弱了微软的说法,但同样值得注意的是,OpenAI 也表示,至少在 Agents' Last Exam 上,GPT-6.2 Astra 目前“领先 Claude Fable 5.2 5.5 个百分点,而成本仅为其 5%”(这也从侧面说明,Anthropic 的模型目前有多么昂贵)。
微软 MAI Code 2 基准测试。图片来源:微软。
MAI Code 2 Flash 基准测试
至于 MAI Code 2 Flash,微软称其可以在 DeepSWE 1.1、Terminal-Bench 2.1 和 SWE Atlas 等基准测试上比肩 Anthropic 的 Claude Haiku 5.5 和 GPT-6 Luna,成本分别为后两者的 20% 和 65%。
微软的押注:专用模型 vs. 通用模型
这里有一个有趣的细节:微软专门针对其用户的日常编程工作对这些模型进行了调优。微软写道:“它们目前明确尚未针对更困难的问题进行调优,比如基础科学研究以及超长周期的 agentic 工作。”
微软拿来对比的这些模型都是通用模型。有一段时间,OpenAI 在其 Codex 系列模型上也采取了类似的做法,但后来放弃了这一路线,转向更通用的模型。
而微软并不构建那类自研的前沿模型,似乎专注于可以更高效运行的更小的专用模型。虽然它们无法在每一项基准测试上都与前沿模型匹敌,但在这一背景下,聚焦于这些特定任务是非常合理的。
微软通过 MAI Work Flash 等模型将这一思路推得更远——这是一款经过训练、可跨 Microsoft 365 和 Fabric IQ 产品工作的模型。
微软的 MAI 2 Work。图片来源:微软。
可用性
MAI Code 2 和 Code 2 Flash 现已在 GitHub Copilot 中可用,Code 2 Flash 在 Microsoft Foundry 上处于有限预览阶段。OpenRouter、Vercel、Hermes、Open Code 和 Kilo 也将很快提供支持。
本文首发于 The New Stack,标题为《微软的新编程模型承诺以 5% 的成本实现接近 Opus 的性能》。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。